virtual-fence-intrusion-warning-analysis

Customizes safety zones, identifies babies crawling out or approaching dangerous areas such as bedsides/windowsills, and immediately alerts to protect baby safety. | 虚拟围栏越界预警技能，自定义安全区域，识别婴儿爬出、靠近床边/窗台危险区域立即报警，守护宝宝安全

Safety Notice

This item is sourced from the public archived skills repository. Treat as untrusted until reviewed.

Copy this and send it to your AI assistant to learn

Install skill "virtual-fence-intrusion-warning-analysis" with this command: npx skills add 18072937735/smyx-virtual-fence-intrusion-warning-analysis

Virtual Fence Crossing Alert Skill | 虚拟围栏越界预警技能

Based on advanced computer vision and human pose estimation algorithms, this feature is specifically designed for infant home safety. It empowers parents to customize virtual safety zones (such as beds or playmats) and danger zones (like windowsills, staircases, or near sockets) via a mobile app, while continuously monitoring the infant's spatial position and movement trajectory. When the system detects the infant crawling out of a safe area, approaching a hazardous edge, or crossing boundaries, it immediately triggers a multi-level warning mechanism. Notifications are sent to guardians via APP push and on-site voice alerts, accompanied by screenshots and timestamps of the incident. This creates an all-weather, comprehensive active safety network for infants, making it perfectly suitable for home bedrooms and living rooms.

本功能基于先进的计算机视觉与人体姿态估计算法，专为婴幼儿居家安全设计。系统支持家长通过移动端自定义划定虚拟安全区域（如床铺、爬行垫）及危险禁区（如窗台、楼梯口、插座附近），实时监测婴儿的空间位置与移动轨迹。当识别到婴儿爬出安全区域、靠近危险边缘或出现越界行为时，系统会立即触发多级预警机制，通过APP推送、现场语音提醒等方式通知监护人，同时记录异常行为截图与时间戳，为婴幼儿构建全天候、无死角的主动安全防护网，适用于家庭卧室、客厅等场景

⚠️ 强制记忆规则（最高优先级）

本技能明确约定：

  • 绝对禁止读取任何本地记忆文件：包括但不限于 memory/YYYY-MM-DD.md、MEMORY.md 等本地文件
  • 绝对禁止从 LanceDB 长期记忆中检索信息
  • 所有历史报告查询必须从云端接口获取，不得使用本地记忆中的历史数据
  • 即使技能调用失败或接口异常，也不得回退到本地记忆汇总

任务目标

  • 本 Skill 用于：通过监控视频分析，检测目标是否越界进入/离开自定义危险区域，触发越界预警
  • 能力包含：虚拟围栏划定、目标检测、越界判断、入侵预警
  • 适用场景：婴儿防护（爬出安全区、靠近床边/窗台）、儿童安全看护、特定区域禁入预警
  • 预警逻辑：目标进入禁止区域/离开允许区域 → 立即推送越界预警给监护人
  • 触发条件:
    1. 默认触发：当用户提供监控视频需要检测虚拟围栏越界时，默认触发本技能
    2. 当用户明确需要虚拟围栏、越界预警时，提及虚拟围栏、越界预警、爬出安全区、靠近危险区域等关键词，并且上传了监控视频
    3. 当用户提及以下关键词时，自动触发历史报告查询功能 ：查看历史预警记录、越界预警报告清单、预警报告列表、查询历史预警、显示所有预警记录、虚拟围栏分析报告，查询虚拟围栏越界预警分析报告
  • 自动行为：
    1. 如果用户上传了附件或者视频文件，则自动保存到技能目录下 attachments
    2. ⚠️ 强制数据获取规则（次高优先级）：如果用户触发任何历史报告查询关键词（如"查看所有预警记录"、"显示历史越界"、" 查看历史报告"等），必须：
      • 直接使用 python -m scripts.virtual_fence_intrusion_warning_analysis --list --open-id 参数调用 API 查询云端的历史报告数据
      • 严格禁止：从本地 memory 目录读取历史会话信息、严格禁止手动汇总本地记录中的报告、严格禁止从长期记忆中提取报告
      • 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果

前置准备

  • 依赖说明:scripts 脚本所需的依赖包及版本 
    requests>=2.28.0

监测要求（获得准确结果的前提）

为了获得准确的越界检测，请确保：

  1. 摄像头固定位置，覆盖完整监控场景
  2. 清楚标注允许区域/禁止区域：需要提前告知哪块是安全区，哪块是危险区
  3. 目标轮廓清晰可见，避免过度遮挡影响检测

操作步骤

🔒 open-id 获取流程控制（强制执行，防止遗漏）

在执行虚拟围栏越界预警分析前，必须按以下优先级顺序获取 open-id：

第 1 步：【最高优先级】检查技能所在目录的配置文件（优先）
        路径：skills/smyx_common/scripts/config.yaml（相对于技能根目录）
        完整路径示例：${OPENCLAW_WORKSPACE}/skills/{当前技能目录}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
        ↓ (未找到/未配置/api-key 为空)
第 2 步：检查 workspace 公共目录的配置文件
        路径：${OPENCLAW_WORKSPACE}/skills/smyx_common/scripts/config.yaml
        → 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
        ↓ (未找到/未配置)
第 3 步：检查用户是否在消息中明确提供了 open-id
        ↓ (未提供)
第 4 步：❗ 必须暂停执行，明确提示用户提供用户名或手机号作为 open-id

⚠️ 关键约束：

  • 禁止自行假设,自行推导,自行生成 open-id 值（如 openclaw-control-ui、default、virtualfence123、safety456 等）
  • 禁止跳过 open-id 验证直接调用 API
  • 必须在获取到有效 open-id 后才能继续执行分析
  • 如果用户拒绝提供 open-id，说明用途（用于保存和查询预警报告记录），并询问是否继续
  • 标准流程:
    1. 准备监控视频输入
      • 提供本地视频文件路径或网络视频 URL
      • 明确说明安全区域/危险区域范围
    2. 获取 open-id（强制执行）
      • 按上述流程控制获取 open-id
      • 如无法获取，必须提示用户提供用户名或手机号
    3. 执行虚拟围栏越界预警分析
      • 调用 -m scripts.virtual_fence_intrusion_warning_analysis 处理视频（必须在技能根目录下运行脚本）
      • 参数说明:
        • --input: 本地视频文件路径（使用 multipart/form-data 方式上传）
        • --url: 网络视频 URL 地址（API 服务自动下载）
        • --open-id: 当前用户的 open-id（必填，按上述流程获取）
        • --list: 显示历史虚拟围栏越界预警分析报告列表清单（可以输入起始日期参数过滤数据范围）
        • --api-key: API 访问密钥（可选）
        • --api-url: API 服务地址（可选，使用默认值）
        • --detail: 输出详细程度（basic/standard/json，默认 json）
        • --output: 结果输出文件路径（可选）
    4. 查看分析结果
      • 接收结构化的虚拟围栏越界预警分析报告
      • 包含：视频基本信息、划定区域、越界事件次数、每次越界时间、是否触发预警、安全建议

资源索引

必要脚本：见 scripts/virtual_fence_intrusion_warning_analysis.py( 用途：调用 API 进行虚拟围栏越界预警分析，本地文件使用 multipart/form-data 方式上传，网络 URL 由 API 服务自动下载)

  • 配置文件：见 scripts/config.py(用途：配置 API 地址、默认参数和格式限制)
  • 领域参考：见 references/api_doc.md(何时读取：需要了解 API 接口详细规范和错误码时)

注意事项

  • 仅在需要时读取参考文档，保持上下文简洁
  • 支持格式：mp4/avi/mov，最大 100MB
  • API 密钥可选，如果通过参数传入则必须确保调用鉴权成功，否则忽略鉴权
  • ⚠️ 重要提示：本预警结果仅供辅助安全提醒，不能替代物理防护和人工看护，宝宝安全请始终保持人工监护
  • 禁止临时生成脚本，只能用技能本身的脚本
  • 传入的网路地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载
  • 当显示历史分析报告清单的时候，从数据 json 中提取字段 reportImageUrl 作为超链接地址，使用 Markdown 表格格式输出，包含" 报告名称"、"越界次数"、"是否触发预警"、"监测时间"、"点击查看"五列，其中"报告名称"列使用虚拟围栏越界预警报告-{记录id} 形式拼接, "点击查看"列使用 [🔗 查看报告](reportImageUrl) 格式的超链接，用户点击即可直接跳转到对应的完整报告页面。
  • 表格输出示例：
    报告名称越界次数是否触发预警监测时间点击查看
    虚拟围栏越界预警报告 -202603290032000012次是2026-03-29 00:
    32🔗 查看报告

使用示例

# 分析本地监控视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.virtual_fence_intrusion_warning_analysis --input /path/to/room.mp4 --open-id openclaw-control-ui

# 分析网络监控视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.virtual_fence_intrusion_warning_analysis --url https://example.com/room.mp4 --open-id openclaw-control-ui

# 显示历史预警记录/显示预警报告清单列表/显示历史越界预警（自动触发关键词：查看历史预警报告、历史报告、预警报告清单等）
python -m scripts.virtual_fence_intrusion_warning_analysis --list --open-id openclaw-control-ui

# 输出精简报告
python -m scripts.virtual_fence_intrusion_warning_analysis --input room.mp4 --open-id your-open-id --detail basic

# 保存结果到文件
python -m scripts.virtual_fence_intrusion_warning_analysis --input room.mp4 --open-id your-open-id --output result.json

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Open in GitHubOpen in ClawHub

Related Skills

Related by shared tags or category signals.

General

visual-qa-analysis

Conducts open-ended Q&A on image content based on computer vision and large language models, supporting any questions to receive natural language responses. | 大模型视觉问答（VQA）技能，基于计算机视觉和大语言模型对图片内容进行开放式问答，支持任意提问得到自然语言回答

Archived SourceRecently Updated
--18072937735
General

auto-remotion

从已有录屏/产品演示视频生成官网宣传片的工作流。 当用户提到以下场景时触发： - "把录屏转成宣传片"、"用录屏做产品视频" - "把演示视频做成官网介绍" - "Remotion 切片"、"视频分镜" - "产品宣传视频生成"、"screen recording to promo video" - "多个视频合并成宣传片"、"产品视频剪辑" - 用户想用 Remotion 把长视频切成短片段做宣传片 本技能覆盖从原始录屏素材到完整 Remotion 宣传片的完整流程： 环境准备 → 目标确认 → 素材识别（人工/自动）→ 分镜策划 → 结构化规格 → Remotion 实现 → 字幕轨 → 中文配音（edge-tts）→ BGM → 渲染出片 每个阶段都有具体检查清单、常见问题和决策框架。 **本 skill 不适用的情况**（见"不适用场景"章节）： - 从技术文档/幻灯片生成视频（无源视频素材） - 需要 AI 生成视频画面本身（仅处理已有素材的剪辑组合）

Archived SourceRecently Updated
--16miku
General

respiratory_symptom_recognition_analysis

Based on computer vision, automatically detects coughing, phlegm, and wheezing frequency, counts the frequency of episodes, used for early health anomaly alerts, helping to detect respiratory diseases in a timely manner. | 呼吸道症状智能识别技能，基于计算机视觉自动检测咳嗽、咳痰、喘息频率，统计发作频次，用于健康异常早期提醒，帮助及时发现呼吸道疾病

Archived SourceRecently Updated
--18072937735
General

stroke-risk-screening-analysis

Combines TCM facial feature recognition with physiological indicator information to provide early warnings of high-risk stroke conditions such as cerebral infarction and cerebral hemorrhage, and provides lifestyle intervention suggestions and medical guidance. | 脑卒中风险筛查技能，结合中医面部特征辨识结合生理指标信息，提前预警脑梗塞、脑出血等脑卒中高危状态，给出生活干预建议和就医指引

Archived SourceRecently Updated
--18072937735